Cukup menyusahkan pelancong yang merancang berkelah musim panas, cuaca adalah perkara yang sangat tidak berubah-ubah dan tidak dapat diramalkan. Perubahan kecil dalam hujan, suhu, kelembapan, kelajuan angin atau arah angin dapat mengubah keadaan luar dari jam atau hari. Oleh itu, ramalan cuaca biasanya tidak dibuat lebih dari tujuh hari ke depan - dan oleh itu perkelahan memerlukan rancangan luar jangka.
Tetapi bagaimana jika kita dapat memahami sistem yang huru-hara dengan cukup baik untuk meramalkan bagaimana ia akan bertindak jauh di masa depan?
Bolehkah anda meramalkan cuaca sepanjang tahun?
Pada Januari 2018, saintis berjaya. Mereka menggunakan pembelajaran mesin untuk meramalkan secara tepat hasil sistem yang huru-hara dalam jangka masa yang lebih lama daripada yang difikirkan mungkin. Dan mesin melakukannya hanya dengan memerhatikan dinamika sistem, tanpa mengetahui persamaan di belakangnya.
Kekaguman, ketakutan dan kegembiraan
Kami sudah mulai terbiasa dengan manifestasi kecerdasan buatan yang luar biasa.
Tahun lalu, sebuah program bernama AlphaZero mempelajari peraturan permainan catur dari awal hanya dalam sehari, dan kemudian mengalahkan perisian catur terbaik di dunia. Dia juga belajar bermain Go dan mengatasi mantan juara silikon, algoritma AlphaGo Zero, yang bertambah baik dalam permainan melalui percubaan dan kesalahan setelah diberi makan peraturan.
Video promosi:
Sebilangan besar algoritma ini bermula dengan keadaan jahiliah yang murni dan cepat menimba pengetahuan dengan menyaksikan prosesnya atau bermain melawan diri mereka sendiri, bertambah baik pada setiap langkah ribuan kali sesaat. Kebolehan mereka membangkitkan perasaan ketakutan, kagum, kegembiraan. Kita sering mendengar tentang kekacauan di mana mereka dapat menjerumuskan manusia suatu hari nanti.
Tetapi jauh lebih menarik apa yang akan dilakukan kecerdasan buatan dengan sains di masa depan, dengan "pemahaman".
Ramalan yang sempurna bermaksud memahami?
Sebilangan besar saintis mungkin akan bersetuju bahawa ramalan dan pemahaman bukanlah perkara yang sama. Sebabnya terletak pada mitos mengenai asal usul fizik - dan, seseorang boleh mengatakan, sains moden secara umum.
Faktanya adalah bahawa selama lebih dari seribu tahun, orang telah menggunakan kaedah yang dicadangkan oleh ahli matematik Yunani-Rom Ptolemy untuk meramalkan pergerakan planet-planet melintasi langit.
Ptolemy tidak tahu apa-apa mengenai teori graviti atau bahawa matahari adalah pusat sistem suria. Kaedahnya termasuk perhitungan ritual menggunakan lingkaran dalam lingkaran dalam lingkaran. Dan sementara mereka meramalkan pergerakan planet dengan cukup baik, tidak ada yang memahami mengapa ia berfungsi atau mengapa planet-planet itu mematuhi peraturan yang kelihatan begitu rumit.
Kemudian ada Copernicus, Galileo, Kepler dan Newton.
Newton menemui persamaan pembezaan asas yang mengatur pergerakan setiap planet. Dengan bantuan mereka, adalah mungkin untuk menggambarkan setiap planet dalam sistem suria. Dan itu bagus kerana kami memahami mengapa planet bergerak.
Menyelesaikan persamaan pembezaan ternyata menjadi kaedah yang lebih cekap untuk meramalkan pergerakan planet berbanding dengan algoritma Ptolemy. Yang lebih penting, bagaimanapun, adalah bahawa kepercayaan kita terhadap kaedah ini memungkinkan kita menemui planet baru yang tidak dapat dilihat, berkat hukum graviti sejagat. Dia menjelaskan mengapa roket terbang dan epal jatuh, dan juga mengapa bulan dan galaksi wujud.
Pola asas ini - mencari satu set persamaan yang menerangkan prinsip penyatuan - telah berjaya digunakan dalam fizik berulang kali. Ini adalah bagaimana kita menentukan Model Piawai, puncak dari setengah abad penyelidikan fizik zarah, yang secara tepat menerangkan struktur setiap atom, nukleus atau zarah. Ini adalah bagaimana kita cuba memahami superkonduktiviti suhu tinggi, bahan gelap, dan komputer kuantum. (Keberkesanan kaedah ini yang tidak dapat dibenarkan malah menimbulkan persoalan tentang mengapa alam semesta sangat sesuai dengan penerangan matematik.)
Sepanjang sains, memahami sesuatu bermaksud kembali ke skema asal: jika anda dapat mengurangkan fenomena yang kompleks kepada sekumpulan prinsip yang mudah, anda memahaminya.
Pengecualian terhadap peraturan
Namun, ada pengecualian yang menjengkelkan yang merosakkan kisah indah ini. Turbulensi adalah salah satu sebab sukar untuk meramalkan cuaca - contoh utama dari fizik. Sebilangan besar masalah dari biologi, dari struktur yang terjerat dalam struktur lain, juga menentang penjelasan dengan prinsip penyatuan dan penyederhanaan yang mudah.
Walaupun tidak ada keraguan bahawa atom dan kimia, dan oleh itu prinsip-prinsip sederhana yang mendasari sistem ini, dijelaskan menggunakan persamaan yang berkesan secara universal, ini adalah cara yang agak tidak efisien untuk menghasilkan ramalan yang berguna.
Pada masa yang sama, menjadi jelas bahawa masalah ini mudah digunakan untuk kaedah pembelajaran mesin.
Sama seperti orang Yunani kuno mencari jawapan dari oracle Delphic mistik, kita akan mencari jawapan kepada persoalan sains yang paling rumit dari oracle yang maha mengetahui dengan kepintaran buatan.
Oracle seperti itu sudah mendorong kenderaan autonomi dan memilih sasaran pelaburan di pasaran saham, dan tidak lama lagi mereka akan meramalkan ubat mana yang akan berkesan terhadap bakteria - dan bagaimana cuaca dalam dua minggu.
Mereka akan membuat ramalan ini dengan ketepatan tertinggi yang tidak pernah kita impikan, tanpa menggunakan model dan persamaan matematik.
Ada kemungkinan bahawa, bersenjata dengan data miliaran perlanggaran di Large Hadron Collider, mereka akan lebih baik dalam meramalkan hasil percubaan dengan zarah daripada Model Standard yang disukai.
Sama seperti sumber wahyu para pendeta Delphi yang tidak dapat dijelaskan, para nabi kecerdasan buatan kita juga tidak mungkin dapat menjelaskan mengapa mereka meramalkan cara ini dan bukan sebaliknya. Kesimpulan mereka akan didasarkan pada banyak mikrodetik dari apa yang mungkin disebut "pengalaman." Mereka akan menjadi seperti petani yang tidak berpendidikan yang tahu bagaimana meramalkan dengan tepat bagaimana cuaca akan berubah, "kerana tulang sakit" atau firasat lain.
Ilmu tanpa pemahaman?
Implikasi kerja kecerdasan mesin dalam bidang sains dan falsafah sains boleh mengejutkan.
Sebagai contoh, dalam menghadapi ramalan yang lebih tepat, walaupun diperoleh dengan kaedah yang tidak dapat difahami oleh manusia, adakah kita akan menafikan bahawa mesin mempunyai pengetahuan yang lebih baik daripada kita?
Sekiranya peramalan benar-benar menjadi tujuan utama sains, bagaimana kita harus mengubah kaedah saintifik, algoritma yang membolehkan kita mengenal pasti kesilapan dan membetulkannya selama berabad-abad?
Sekiranya kita berhenti memahami, apakah ada gunanya melakukan ilmu yang kita lakukan?
Tiada siapa yang tahu. Tetapi jika kita tidak dapat mengartikulasikan mengapa sains lebih daripada kemampuan untuk membuat ramalan yang baik, para saintis akan segera mendapati bahawa "kecerdasan buatan yang terlatih melakukan tugas mereka lebih baik daripada mereka sendiri."
Ilya Khel
